买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京对酒当歌科技有限公司申请的专利一种基于零样本的歌声音色快速转换方法和装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118782016B 。

龙图腾网通过国家知识产权局官网在2026-04-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410922079.7，技术领域涉及：G10L13/027；该发明授权一种基于零样本的歌声音色快速转换方法和装置是由马玏;刘岩;潘昕;余鹏飞设计研发完成，并于2024-07-10向国家知识产权局提交的专利申请。

本一种基于零样本的歌声音色快速转换方法和装置在说明书摘要公布了：本发明公开了一种基于零样本的歌声音色快速转换方法和装置，包括构建包含干人声和歌词文本的歌声数据集，将构建包含Hubert模型和残差量化码本的歌声特征解耦器来提取干人声的音频码本索引序列，并引入文本编码器来提取歌词文本的语素特征和语素索引序列，依次通过交叉预测来优化歌声特征解耦器，使其能够提升语音内容特征提取的准确性，在此基础上，引入表示韵律的音高特征和音色特征，通过对抗训练来增强生成器基于语音内容特征、音高特征以及音色特征生成合成人声的质量，实现歌曲人声音色转换为用户的音色的快速转换，且能保证转换质量。

本发明授权一种基于零样本的歌声音色快速转换方法和装置在权利要求书中公布了：1.一种基于零样本的歌声音色快速转换方法，其特征在于，包括以下步骤： 构建包含干人声和歌词文本的歌声数据集； 构建包含Hubert模型和残差量化码本的歌声特征解耦器，其中，Hubert模型用于提取干人声的初始内容特征，残差量化码本用于将初始内容特征映射为音频码本索引序列，引入文本编码器提取歌词文本的语素索引序列和语素特征；基于音频码本索引序列、语素索引序列以及语素特征进行交叉预测来训练歌声特征解耦器，具体包括：引入内容预测器，输入内容预测器的语素索引序列经过嵌入处理得到语素嵌入特征，该语素嵌入特征与语素特征进行融合得到融合后的语素特征，输入内容预测器的音频码本索引序列经过嵌入处理得到音频特征，融合后的语素特征和音频特征进行交叉预测，即基于融合后的语素特征来生成语音对应的预测音频码本索引序列，基于音频特征来生成文本对应的预测语素索引序列；基于音频码本索引序列和预测音频码本索引序列构建音频对齐损失、基于语素索引序列和预测语素索引序列构建文本对齐损失，基于音频对齐损失和语素对齐损失对歌声特征解耦器进行训练来优化Hubert模型的参数和更新残差量化码本； 在特征提取器中利用训练后的歌声特征解耦器结合音频超分处理来提取干人声的语音内容特征，同时提取干人声的音高特征和音色特征；在生成器中根据语音内容特征、音高特征以及音色特征生成合成人声，具体包括：语音内容特征、音高特征以及音色特征均输入至多维音色嵌入编码器，各自通过嵌入层统一维度后，通过交叉注意力机制任意两特征进行交叉相加后，得到蕴含韵律、音色以及内容的语音嵌入表示，并基于语音嵌入表示生成表示语音分布的先验分布，应用推理时先验分布和音色特征经过流模型处理后再经过音频解码器生成合成人声；引入后验编码器根据干人声的语音内容特征生成语音分布的后验分布，对抗训练时后验分布和音色特征经过流模型处理后再经过音频解码器生成合成人声；引入判别器对合成人声和干人声进行区分判别，并采用对抗训练方式训练特征提取器、生成器以及判别器； 应用推理时利用训练后的特征提取器和生成器生成合成人声作为转转换后歌声，实现歌声音色快速转换。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京对酒当歌科技有限公司，其通讯地址为：100102 北京市朝阳区望京东园四区8号楼9层916；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。